Як запустити Tensorflow на процесорі

Я встановив GPU версію tensorflow на Ubuntu 14.04.

Я перебуваю на сервері GPU, де tensorflow може отримати доступ до наявних GPU.

Я хочу запустити tensorflow на процесорах.

Зазвичай я можу використовувати env CUDA_VISIBLE_DEVICES=0для запуску на GPU ні. 0.

Як я можу замість цього вибрати між процесорами?

Я не втручаюся в переписування свого коду with tf.device("/cpu:0"):

Ви можете застосувати device_countпараметр для tf.Session:

config = tf.ConfigProto(
        device_count = {'GPU': 0}
    )
sess = tf.Session(config=config)

Дивіться також конфігураційний файл protobuf:

tensorflow/core/framework/config.proto

Ви також можете встановити змінну середовища на

CUDA_VISIBLE_DEVICES=""

не змінюючи вихідний код.

Якщо наведені вище відповіді не спрацюють, спробуйте:

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

Для мене, тільки установка CUDA_VISIBLE_DEVICESточно -1працює:

Працює:

import os
import tensorflow as tf

os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

if tf.test.gpu_device_name():
    print('GPU found')
else:
    print("No GPU found")

# No GPU found

Хто НЕ працює:

import os
import tensorflow as tf

os.environ['CUDA_VISIBLE_DEVICES'] = ''    

if tf.test.gpu_device_name():
    print('GPU found')
else:
    print("No GPU found")

# GPU found

Просто використовуючи наведений нижче код.

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'

У деяких системах потрібно вказати:

import os
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"]=""  # or even "-1"

ПЕРЕД Імпорт тенсорфлоу.

Ви можете використовувати tf.config.set_visible_devices. Однією з можливих функцій, яка дозволяє встановити, чи і які GPU використовувати:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Припустимо, ви перебуваєте в системі з 4 графічними процесорами, і ви хочете використовувати лише два графічні процесори, один з id = 0і один з id = 2, тоді першою командою вашого коду, відразу після імпорту бібліотеки, буде:

set_gpu([0, 2])

У вашому випадку, щоб використовувати лише центральний процесор, ви можете викликати функцію з порожнього списку :

set_gpu([])

Для повноти, якщо ви хочете уникнути, що ініціалізація виконання буде виділяти всю пам'ять на пристрої, ви можете використовувати tf.config.experimental.set_memory_growth. Нарешті, функцією управління, якими пристроями користуватися, динамічно займаючи пам'ять GPU, стає:

import tensorflow as tf

def set_gpu(gpu_ids_list):
    gpus = tf.config.list_physical_devices('GPU')
    if gpus:
        try:
            gpus_used = [gpus[i] for i in gpu_ids_list]
            tf.config.set_visible_devices(gpus_used, 'GPU')
            for gpu in gpus_used:
                tf.config.experimental.set_memory_growth(gpu, True)
            logical_gpus = tf.config.experimental.list_logical_devices('GPU')
            print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPU")
        except RuntimeError as e:
            # Visible devices must be set before GPUs have been initialized
            print(e)

Іншим можливим рішенням на рівні встановлення буде пошук варіанту лише для процесора: https://www.tensorflow.org/install/pip#package-location

У моєму випадку це дає зараз:

pip3 install https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.2.0-cp38-cp38-win_amd64.whl

Просто виберіть правильну версію. Бонусні бали за використання ВЕНВ, як пояснено, наприклад, у цій відповіді .